X99主板E5处理器+两张RX 580显卡跑DeepSeek R1 32b功耗实测

已于 2025-02-21 16:15:41 修改
阅读量1k 收藏 4
点赞数 5
分类专栏： DeepSeek 文章标签： ai 机器学习 人工智能
于 2025-02-21 15:57:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79558413/article/details/145779635
版权

X99主板E5处理器+两张RX 580显卡跑DeepSeek R1 32b功耗实测

启动后待机功耗约 80瓦                                     运行 32b 功耗约240瓦

电脑配置：华南X99 F8主板E5-267V3处理器 + 64GB内存 + 两张RX 580 8G显卡+750W电源

Ollama ps 显示，分配CPU承载 30%，GPU 承载 70%计算量。

测试中CPU保持50%左右使用率持续计算。两张显卡显存加载满，忙闲交替工作，单张显卡运算时使用率可达100%。

测试图片、视频，更多测试内容详见微信公众号:AI应用帮小忙    https://www.aibxm.com/

deepseek r1从零搭建本地知识库10：嵌入模型和知识库建设
数据饕餮
02-16 2218
嵌入模型是一种将文本、图像、音频等非结构化数据转化为**低维稠密向量（Dense Vector）**的算法模型，这些向量（通常几百到几千维）能够捕捉数据的语义信息。 核心目标：将抽象内容转化为计算机可理解的数值形式，同时保留其语义关联性
(七）使用X99主板搭配双XEON E5-2660 V4或同系列CPU+NVIDIA P106-100部署Deepseek的可行性
gzgenius的博客
03-13 1201
（新装机的话，二手CPU，二手内存，一手SSD，一手电源，开放式机箱，一手散热器、需自行解决散热风扇问题），如果在原有已经有是x99架构的双CPU朋友，节省掉SSD和加少许内存情况下也可升级改造。：如Windows 7、Ubuntu 16.04等，对CUDA 11.0的支持可能有限，可能需要降级CUDA版本。或更高版本：支持NVIDIA P106-100，但需要安装适当的驱动程序和CUDA toolkit。：检查操作系统版本是否支持当前的NVIDIA驱动，可能需要调整操作系统版本或使用旧版本驱动。
RX580双卡32GB显存跑DeepSeek-R17b、8b、14b、32b实测
03-03 848
壹千元配置两张Rx580 16GB显卡，小微企业、个人单机处理标书、合同等有保密要求的文件，跑DeepSeek-R1-32b最佳选择。文案每秒输出5个字，基本流畅，功耗、噪音较低。RX 580 双卡32GB显存 跑DeepSeek-R1。7b、8b、14b、32b实测。
大模型部署本地低成本部署方案——矿渣AMD RX580-8G显卡 部署deepseek-r1 7b简单使用
m0_71266578的博客
03-19 1036
科技进步真快，580矿卡也能在本地跑大模型了。配置如下Ollama安装，
DeepSeek R1 局域网AI部署与企业内网AI编程
dayawoai的博客
01-29 1238
DeepSeek R1 基于局域网AI模型部署与企业内网实施方案
本地跑大模型！DeepSeek R1 671B：cpolar内网穿透实验室第567个成功挑战
YUAN_XU_CHENG的博客
04-03 239
DeepSeek R1 671B是一款基于大规模预训练的多模态模型，专为自然语言处理任务设计。通过独特的量化技术，显著降低了计算资源消耗，同时保持了高性能，使其成为本地部署的理想选择。DeepSeek R1 671B通过优化配置实现了高效本地运行，为AI开发者和研究人员提供了实惠且强大的工具。立即体验，感受大模型的力量就在你的掌握中！
AMD RX 580 部署deep seek记录及踩坑（windows 10）
qq_39896438的博客
02-09 6095
1、执行ollama run命令偶尔会遇到llama runner process has terminated: exit status 0xc0000005报错，推测还是驱动和ollama低版本适配的问题，目前没找到好的解决方法，只能多执行几次。最近在折腾三朝元老RX 580部署deepseek，虽然网上教程比较多，整个流程也不复杂，但是也踩了一些坑，这里记录一下。：本人使用0.3.2版本部署，由于580对应的gfx803型号太老，0.3.14、0.4.1、0.5.x等高版本部署失败。
多显卡运行deepseek的误区
nikolay的专栏
02-08 884
随着deepseek的大热，最近总有些朋友来讨论多少GPU可以跑过快这类的问题。在深度学习领域，随着模型规模的不断扩大，单显卡的计算能力已经无法满足训练需求。多显卡并行训练成为了加速模型训练的常用手段。然而，多显卡训练并非没有挑战，尤其是在确保模型精度方面。本文将探讨多显卡运行大模型时常见的误区
amd rx580&590 ollma的安装
stone的专栏
02-25 1891
ollma在amd rx580&590上的搭建
低成本本地部署DeepSeek 671b满血版大模型结合内网穿透远程访问
2301_79855962的博客
02-27 1809
最近不知道大家有没有遇到这种情况：一打开Deepseek官网或是APP，就弹出‘服务器正忙，请稍后再试’的提示。是的，没错，又双叒叕服务器爆满啦！这波操作让小伙伴们纷纷表示头疼不已。于是乎，一波本地部署大模型的热潮就这样被点燃了，但如果你想要体验的是那传说中的几百G‘满血版’DeepSeek R1 671B，那你可得准备好一个不小的预算。
DeepSeek-R1 私有化部署 ubuntu22.04 3060显卡
qq_37124515的博客
02-09 1366
实测效果还是可以的，能满足日常使用。但是和“满血”版本还是有很大的差距优先使用官网版本，或者直接使用官网的API版本。如果有空闲资源，官网服务也是不稳定的，可以尝试以上方式部署如果有什么问题，欢迎评论留言讨论，看到会回复如果你觉得这个回答对你有帮助，欢迎关注我的微信公众号【一行梦境】，我会在那里分享更多深度内容和实用技巧。
【完整版】DeepSeek-R1大模型学习笔记（架构、训练、Infra、复现代码）
我的技术栈碎碎念空间
02-04 7339
MoE在每次推理时选择性地激活部分模型参数，在不成比例增加计算成本的情况下，可以扩展模型参数。在DeepSeek-V2中就提出了用于FFN层的DeepSeekMoE，DeepSeek-R1在DeepSeek-V2基础上进一步优化。
使用 ollama 部署本地模型，零基础入门到精通，非常详细收藏我这一篇就够了
m0_65555479的博客
08-15 2917
在本地启动并运行大型语言模型。运行Llama 2，Code Llama和其他模型。自定义并创建您自己的。
【亲测】1.5万搞定DeepSeek满血版！本地部署避坑指南+内网穿透黑科技揭秘
最新发布
YUAN_XU_CHENG的博客
04-04 976
最近因为访问人数过多，大家在访问Deepseek官网或是使用手机APP版本的时候，经常会遇到服务器繁忙，请稍后再试的情况。于是就出现了很多本地部署DeepSeek大模型的文章或者视频教程，但是跑跑轻量级的还好，如果想体验满血版DeepSeek R1 671B这种几百个G的大模型，那在本地部署所需的硬件配置与费用也会更高。
AMD显卡本地部署DeepSeek（附ollama安装包）
huang9604的博客
02-10 8249
AMD显卡本地部署DeepSeek（附ollama安装包）
本地部署deepseek记录
liyun52的博客
02-10 536
记录一下自己学习本地部署deepseek的过程。使用ollama来将deepseek部署到本地。我的环境：操作系统：win11显卡：RTX3060。
Deepseek VL2 多卡部署
lvchaofan0101的博客
12-31 3966
Deepseek VL2 多卡部署
X99双路主机28核56线程电脑配置选购与系统装机详细流程（附带资源）
热门推荐
每个人都是独一无二的，把握好自己的节奏，跟着自己的心走。
07-29 1万+
镁光16G 2R*4 2133频率 两条，组双通道32G。淘宝价格：72x2 = 144。注意：不要将两条CPU插入到黑色条中，在这块主板上橙色是主通道，黑色是辅通道，无法单独用。，仅仅只是一个主机，并不包含一些其他配件如电源线、鼠标线、键盘线、显示器以及键盘鼠标。：2个12厘米风扇，1个8厘米风扇。接着windows系统会开始进行安装系统，之后选择企业版，自定义安装。淘宝价格：62x2=124。：X99双路千兆DDR4，型号ZX-DU99D4。淘宝价格：77*2=154。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值